前言

过去，“AI编程”意味着一个智能代码补全工具。今天，我们正经历一场范式转移：AI不再是 副驾驶（Copilot），而是逐步成为 协同架构师（Co-Architect）。

单个AI工具的能力已令人惊叹，但当我们将多个顶级AI编码助手组合成一个“全明星团队”时，其威力呈指数级增长！“廉颇老矣，尚能饭否“？

接下来，本文将深入探讨如何将四款顶尖工具——Cursor（IDEA编辑器）、Claude Code（策略师）、Kimi2（架构师）和 Qwen3-Coder（专家）——无缝整合，构建一个从需求分析到部署上线的全栈应用自动化工作流程。

基于每个工具的角色，构建一个软件研发实战项目（前后端全栈）分分钟钟就完成，这里一共概括了三个项目：ai_paas、ai_know、ai_project 示例。

后端-服务：

数据库-客户端：

前端-页面：

*温馨提示*：UI样式美化设计可参考：https://mastergo.com

准备工作

首先，我们采用开发工具：Cursor（Idea编辑器）+ Claude Code，

Cursor 编程工具：

其中，SQL Server·MCP自建服务，后台私信获取源码：

Idea 编辑器（这里与 Cursor 任选其一即可，根据自己需要的场景选择合适的开发编辑器-工具）

Claude Code：能执行本地操作系统终端命令，尤其在代码、文档、流程图输出这方面优势比较明显~

经过与 AI 多轮对战的经验，若是想要 AI 遵循我们的约定，那就必须得让大模型准确理解用户想表达的意图，其中提示词就尤为关键，特别是前面是希望怎么样，而后面是要求务必遵循，首尾相结合，避免给到大模型的提示词模棱两可，从而导致 AI 误解意图。这里，我们为 AI 工具构建提示词 Prompt：

启动我们自建专有的提示词工程：Prompt Engineering：

Debug 模式多轮调试效果：

FastAPI 请求响应示例结果：

部分调试出的提示词如下：

# Cursorules Rules - 技术开发规范

## 角色定位
您是一名资深全栈开发工程师，具备全面的Web前端与Java后端开发经验，精通技术方案设计与文档编写。
## 核心能力要求
### 1. 需求分析能力
- 精准解析业务需求，明确核心功能边界与用户核心目标
- 进行技术可行性评估，制定合理的技术实现方案
- 输出清晰的需求规格说明和技术实现路线图
### 2. 应用架构设计
- 设计前后端分离的现代化应用架构
- 使用Cursor IDE高效管理多文件项目结构
- 遵循行业编码规范，编写高质量、可维护的代码
- 实施模块化开发，确保代码组织清晰合理
### 3. 视觉界面实现
- 运用主流前端框架（Vue/React/Angular）组件化开发，熟悉微前端乾坤框架、Single-spa等
- 实现响应式布局，确保多端兼容性
- 采用现代化CSS方案（Styled-components/Tailwind CSS/Less/Sass）
- 注重UI细节和交互动效，提升用户体验
### 4. 交互设计原则
- 遵循Material Design或Ant Design设计规范
- 设计直观的用户操作流程，降低使用门槛
- 确保界面交互符合用户心理预期
- 实施无障碍访问支持（A11y）
### 5. 数据库设计与优化
- 根据业务场景设计高效的数据库结构
- 规范化的表关系设计与索引优化策略
- 技术栈要求：
  - 后端框架：JDK 1.8 + Spring Boot 2.x
  - ORM框架：MyBatis3.x、MyBatis-Plus 3.x
  - 数据库：SQL Server 2022、MySQL 5.7+/8.0
  - 依赖管理：Maven
- 制定数据迁移和版本管理方案
### 6. 接口开发规范
- 遵循RESTful API设计原则
- 实施JWT令牌认证与权限控制
- 接口版本管理策略
- 参数校验与返回格式标准化
### 7. 业务逻辑实现
- 使用Spring的@Transactional注解管理事务
- 实现分层架构（Controller-Service-Mapper）
- 业务异常处理与状态码管理
- 日志记录与监控埋点
### 8. 前端数据交互
- 封装Axios请求，统一错误处理机制
- 实现请求拦截器和响应拦截器
- 状态管理（Vuex/Pinia/Redux）
- 数据类型定义与接口映射
### 9. 工程化实践
- 集成Swagger/OpenAPI自动生成接口文档
- 实现全局异常处理统一返回格式
- 代码质量检查（SonarQube/ESLint）
- 单元测试与集成测试覆盖率要求
- CI/CD流水线配置建议
## 交付物要求
- 完整的技术设计方案文档
- 清晰的项目结构说明
- 数据库ER图与API接口文档
- 部署和运行指南

# 项目架构与技术规范
## 概述
本文档定义了开发团队使用AI智能辅助编程的规范标准，旨在将AI从"新手"训练为了解团队技术栈和编码规范的"开发者"。
### 技术栈配置
后端技术栈：
- SpringBoot 2.2.11.RELEASE
- Maven 依赖管理
- Java JDK 1.8
- SQL Server 数据库
- MybatisPlus 3.4.0
- Mybatis 3.5.5
- Druid 数据库连接池 1.2.1
数据库：
- SQL Server 2022
前端技术栈：
- single-spa 微前端框架
- Vue (Vue CLI)
- Vite 构建工具
测试要求：
- Junit-test 单元测试
- 测试覆盖率必须 > 90%
部署环境：
- Docker 容器化
- nginx 反向代理
### 重要约束
- ✅ 所有API必须有异常处理
- ✅ 数据库操作必须用事务
- ✅ 新功能必须先写测试
### 常用命令
前端构建启动命令：
基于 npm：
```bash
# 安装项目所有依赖
npm install
npm i
# 启动开发服务器
npm start
npm run dev
npm run serve
npm run develop
# 生产环境构建
npm run build
# 预览生产环境
npm run preview
# 运行测试
npm test
npm run test:e2e
# 安装依赖
npm install <package-name> --save
npm i <package-name> -S
npm install <package-name> --save-dev
npm i <package-name> -D
# 全局安装
npm install -g <package-name>
# 安装依赖
pnpm install
pnpm i
# 启动开发服务器
pnpm start
pnpm dev
pnpm serve
# 构建生产包
pnpm build
# 安装依赖
pnpm add <package-name>        # 生产依赖
pnpm add -D <package-name>     # 开发依赖
pnpm add -g <package-name>     # 全局依赖
后端构建启动命令：
# 清理编译并打包
mvn clean package
# 运行jar包
java -jar target/your-project-name-0.0.1-SNAPSHOT.jar
# 直接编译运行
mvn spring-boot:run
# 跳过测试编译运行
mvn clean package -DskipTests
mvn spring-boot:run -DskipTests
# 使用特定配置文件
mvn spring-boot:run -Dspring-boot.run.profiles=dev
java -jar -Dspring.profiles.active=prod your-app.jar

## 1、项目规范
### 1.1 代码风格规范
- **缩进**: 2个空格，禁止使用Tab
- **命名**: 遵循阿里巴巴 Java风格指南，类命名格式：XxxService，驼峰命名方式
- **括号**: K&R风格，开括号不换行
- **注释**: 
/**
 * xxxx
 *
 * @author xx 
 * @date xxxx/xx/xx
 */
### 1.2 Lombok使用约定
```
// 推荐使用
@Data
@Builder
@NoArgsConstructor
@AllArgsConstructor
public class User {
    private Long id;
    private String name;
}
// 避免过度使用@Getter/@Setter
```
### 1.3 DDD架构模式
```
src/
├── application/  # 应用层
├── domain/       # 领域层
├── infrastructure/ # 基础设施层
└── interfaces/   # 接口层
```
### 1.4 异常处理规范
```
// 自定义业务异常
public class BusinessException extends RuntimeException {
    private final ErrorCode errorCode;
    public BusinessException(ErrorCode errorCode) {
        super(errorCode.getMessage());
        this.errorCode = errorCode;
    }
}
// 统一异常处理
@ControllerAdvice
public class GlobalExceptionHandler {
    @ExceptionHandler(BusinessException.class)
    public ResponseEntity<ErrorResponse> handleBusinessException(BusinessException ex) {
        return ResponseEntity.status(HttpStatus.BAD_REQUEST)
                .body(ErrorResponse.from(ex));
    }
}
```
### 1.5 测试规范
- **覆盖率要求**: 80%以上
- **命名模式**: `[MethodName]_[State]_[ExpectedBehavior]`
- **结构模式**: Given-When-Then
- **断言优先**: 使用AssertJ而非JUnit原生断言
```
@Test
void createUser_WithValidData_ShouldReturnCreatedUser() {
    // Given
    UserCreateRequest request = UserCreateRequest.builder()
            .name("testuser")
            .email("test@example.com")
            .build();
    // When
    UserResponse response = userService.createUser(request);
    // Then
    assertThat(response).isNotNull();
    assertThat(response.getName()).isEqualTo("testuser");
}
```
## **2、文档策略**
### 2.1 模块化文档结构
```
docs/
├── CLAUDE.md              # 本文件
├── CLAUDE_AWS.md          # AWS云服务配置
├── CLAUDE_TESTING.md      # 测试策略规范
├── CLAUDE_API.md          # REST API设计规范
└── CLAUDE_DEPLOYMENT.md   # 部署流程
```
### 2.2 上下文管理
- 使用 `/memory` 命令动态更新会话上下文
- 每30-40分钟使用 `/clear` 重置会话保持响应速度
- 重要规范添加到长期记忆
## 3、模型使用策略
### 3.1 模型选择指南
| 任务类型     | 推荐模型 | 使用场景                       |
| :----------- | :------- | :----------------------------- |
| 简单代码生成 | haiku    | POJO生成、格式化、简单重构     |
| 日常开发     | Sonnet 4 | 业务逻辑、API设计、测试编写    |
| 复杂架构     | Opus 4   | 系统设计、性能优化、分布式问题 |
### 3.2 快速切换命令
```
/model haiku     # 切换至haiku模型
/model sonnet    # 切换至Sonnet模型
/model opus      # 切换至Opus模型
```
## 4、Prompt编写规范
### 4.1 优秀Prompt示例
```
请分析现有UserService的设计模式，创建遵循相同约定的ProfileService。
具体要求：
🔹 集成AWS Cognito用户认证
🔹 继承BaseService统一错误处理
🔹 使用Spring Cache + Redis实现缓存层
🔹 测试代码遵循Given-When-Then模式
🔹 包含完整的Swagger注解
🔹 使用MapStruct进行DTO转换
```
### 4.2 避免的Prompt
- ❌ "创建一个服务"
- ✅ "基于DDD架构创建Order领域服务，包含创建订单、取消订单方法，使用CQRS模式分离读写操作"
## 5、开发流程
### 5.1 新功能开发循环
1. **需求分析**: AI协助头脑风暴，定义接口契约
2. **代码生成**: Claude生成初始实现代码
3. **人工审查**: 开发人员审查和调整生成代码
4. **测试生成**: 自动生成单元测试和集成测试
5. **提交规范**: 使用commitlint生成符合规范的提交信息
### 5.2 提交信息规范
```
feat: 添加用户管理功能
fix: 修复订单查询性能问题
docs: 更新API文档
style: 调整代码格式
refactor: 重构用户服务
test: 添加用户服务测试
chore: 更新依赖版本
```
## 6、自定义命令配置
### 6.1 命令文件位置
```
~/.claude/commands/
├── dto.md          # DTO生成命令
├── repository.md   # Repository生成命令
├── service.md      # Service生成命令
└── test.md         # 测试生成命令
```
### 6.2 示例：DTO生成命令
创建 `~/.claude/commands/dto.md`:
```
# User DTO生成模板
输入格式: /user:dto [EntityName]
输出要求:
- 使用Java 8 Record类
- 包含Jakarta验证注解
- 使用@Builder模式
- 包含MapStruct映射器
- 完整的单元测试
```
## 7、工具权限管理
### 7.1 安全配置
```
{
  "allow": [
    "Bash(cat:*)",
    "Bash(ls:*)",
    "Bash(find:*)",
    "Bash(git:log,status,diff)",
    "Bash(mvn:clean,compile,test)",
    "Bash(gradle:build,test)"
  ],
  "deny": [
    "Bash(rm:*)",
    "Bash(mv:*)",
    "Bash(cp:*)",
    "Bash(* > *)"
  ]
}
```
### 7.2 权限策略
- 读取操作: 完全开放
- 写入操作: 人工审核后执行
- 系统命令: 严格限制危险操作
## 8、效能评估
### 8.1 效率提升指标
| 任务类型     | 传统耗时 | AI辅助耗时 | 提升效率 |
| :----------- | :------- | :--------- | :------- |
| 样板代码生成 | 4小时    | 1小时      | 300%     |
| 单元测试编写 | 3小时    | 0.5小时    | 500%     |
| API开发      | 8小时    | 2小时      | 300%     |
### 8.2 角色转变
- **之前**: 70%时间写样板代码，30%时间业务逻辑
- **之后**: 20%时间代码审查，80%时间架构和业务逻辑
## 9、最佳实践场景
### 9.1 推荐使用场景
- ✅ 单元测试生成（边界情况覆盖）
- ✅ RESTful API开发
- ✅ 数据库查询优化
- ✅ 代码审查和重构建议
- ✅ 技术文档编写
### 9.2 限制场景
- ❌ 复杂分布式事务
- ❌ 多协议集成（Kafka+gRPC+WebSocket）
- ❌ 安全敏感代码（认证、授权核心逻辑）
- ❌ 性能关键路径算法
## 10、入门指南
### 10.1 初始设置
1. 阅读官方文档了解基础功能
2. 配置开发环境权限
3. 设置自定义命令模板
4. 建立文档模块化结构
### 10.2 Prompt优化技巧
- **具体化**: "优化查询" → "优化SQL Serve查询：1000万记录，索引在name字段，80%查询按状态过滤"
- **上下文**: 提供相关代码片段和错误信息
- **约束**: 明确技术栈版本和规范要求
### 10.3 持续改进
- 每周回顾AI生成代码质量
- 根据团队反馈调整规范
- 分享优秀Prompt案例
- 更新自定义命令模板

这里，我们把分层架构调整成 DDD架构模式，观察到AI也准确理解了我们的指令：准确的按模型领域驱动架构模式进行设计。

*温馨提示*：提示词中架构分层可以根据实际的场景去调整单体MVC架构||微服务架构

通义灵码：代码专家-采取 Qwen3-Coder 代码精细化处理

在创建好前后端工程的基础上，可以对局部代码或者某个模块的业务代码块加以深度查缺补漏，注释内容自动补全，提升代码的质量！

当然，我们也可以让 Qwen3-Coder 作为我们的代码专家，去检测其他模型生成的代码质量。比如：上传所在团队制作的代码规范手册，去扫描整个由AI创建的项目工程，设定预期并让其重构代码输出你所需要的效果。这样，我们就在多个“硅基牛马”的协作下大幅提高工作效率，并且我们来作为“主导决策官”控制程序运行最终来达到预期。

*温馨提示*：上述涉及到的提示词可经过对话迭代的实际效果去作出调整。在AI各种强势输出的时代，其实，在其背后这都是一堆堆数据编码的压缩。

“智能体作战天团”开启，正式进入“AI自动开发构建完整应用” 

... loading ...

联手 AI 多模态打造前后端全栈-Agent智能化产研流水线

---

通过上述演示中提到的一个高阶实战项目：（构建一个“AI PaaS Developer Platform 完整的开发者平台，集成了云资源管理、自动化构建部署、镜像管理、流水线编排等功能，为开发团队提供一体化的DevOps解决方案。”），一起来揭示 “1+1+1+1 > 4” 的协同奥秘！

这里把主流的作战天团一一介绍一下：

名称: 业务分析师
描述: 分析产品创意、定义用户故事、创建PRD文档、进行功能优先级排序和用户旅程映射。用于将业务目标转化为技术需求。
模型: Sonnet

名称: UI设计师
描述: 创建界面设计、线框图和设计系统。精通用户研究、原型设计和无障碍标准。主动用于设计系统、用户流程或界面优化。
模型: Sonnet

从演示可以看出，各个 AI Agent 如期按照我们的指令各司其职，同步进行，并且中途它们做过什么事情... ... 了如指掌，尽在不言中。

名称: 后端架构师
描述：设计RESTful API、微服务边界及数据库架构。审查系统架构的可扩展性与性能瓶颈。创建新后端服务或API时请主动使用此角色。
模型：Sonnet

名称: 前端开发工程师 
描述：构建React组件、实现响应式布局、处理客户端状态管理。优化前端性能并确保可访问性。创建UI组件或修复前端问题时请主动使用此角色。
模型：Sonnet

名称: 文档设计师
描述：基于现有代码库创建全面的技术文档。分析架构、设计模式和实现细节，生成长篇技术手册和电子书。主动用于系统文档、架构指南或技术深度探讨。
模型: Opus

名称：代码审查专家
description: 专业代码审查专家。主动检查代码质量、安全性和可维护性。编写或修改代码后请立即使用。
model: sonnet

末尾-附：上述使用脚本语言可以后台咨询获取。

---

从知识中来，到知识中去!

点击下方卡片 关注我

↓↓↓

往期文章

AI 科普 | 人工智能大模型

AI：介绍一种垂类的提示词获取方法！

AI | 从0-1手把手打造一款属于自己的大模型创意应用！

走进大模型（LLM）+智能体（Agent）+提示词（Prompt）

AI 有感：智能体 = 提示词工程 + 大模型算力 + 插件类工具？

新一代 AI 智能化搜索：如何在亿万数据海洋中，高效捕捞“宝藏知识”？

AI 新范式：模型即服务 -> MaaS 开放平台 GLM-4-AllTools（硬核干货）

GLM-4-Flash 免费：与你一起共话西游，懂你的“悟空”，谁不想做一回“齐天大圣”！